基于潜在因子多样性的非负矩阵分解协同过滤模型

来源：上海理工大学学报杂志2023年第2期北京时间：

作者：陶名康，王新利，宋燕

单位：上海理工大学 理学院, 上海 200093,上海理工大学 理学院, 上海 200093,上海理工大学 光电信息与计算机工程学院, 上海 200093

摘要：基于非负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经典的非负矩阵分解模型，该模型的预测精度有了明显提高。

关键词：协同过滤;特征矩阵多样性;非负矩阵分解;非负乘法更新;交替方向法

基金资助：国家自然科学基金资助项目（62073223）；上海市自然科学基金资助项目(18ZR1427100)